小编Joã*_*ida的帖子

我使用rdpy-rdpmitmdemo rdpy来实现rdp代理,但我想在连接到target之前检查密码,让客户端重新输入用户名和密码.我的代码是这样的; 我该如何实现OnReady方法？

class ProxyServer(rdp.RDPServerObserver):
  def __init__(self, controller, target, clientSecurityLevel, rssRecorder):
    """
    @param controller: {RDPServerController}
    @param target: {tuple(ip, port)}
    @param rssRecorder: {rss.FileRecorder} use to record session
    """
    rdp.RDPServerObserver.__init__(self, controller)
    self._target = target
    self._client = None
    self._rss = rssRecorder
    self._clientSecurityLevel = clientSecurityLevel


  def onReady(self):
    """
    @summary:  Event use to inform state of server stack
                First time this event is called is when human client is connected
                Second time is after color depth nego, because color depth …

我对使用my_series.values[0]而不是使用系列元素获得的6倍性能提升感到惊讶my_series.iat[0].

根据文档,.iat是快速访问标量的推荐方法.我是否因使用而遗漏了什么.values？

import numpy as np
import pandas as pd

n = 1000
dct = {'A': np.random.rand(n)}
df = pd.DataFrame(dct)
s = df['A']
vals = s.values

%timeit -n 10000 val = s.iloc[0]
%timeit -n 10000 val = s.iat[0]
%timeit -n 10000 val = s.values[0]
%timeit -n 10000 vals[0]

**Output**
10000 loops, best of 3: 24.3 µs per loop
10000 loops, best of 3: 13.4 µs per loop
10000 loops, best …

我是Python的新手,并尝试创建与Matlab的"单元阵列"相当的东西.假设我有100个客户索引"C001","C002"等,我为每个客户提供不同的数据:

• 房屋面积(平方米)[实际数量]
• 分类数据显示它们是"商业","住宅"还是"其他"
• 2014年电力消耗的每小时时间序列,即8760个实际值的日期时间索引数组

在Python 2.7中构建数据集的最佳方法是什么,它结合了单值,分类数据和时间索引数组？我正在尝试使用大熊猫,但到目前为止还没有成功.

非常感谢你提前

当我们想要测试给定方法的多个值时，我们是否应该在单个测试中遍历这些值？

或者它是不正确的，因为在失败的情况下可能更难确定原因？

像这样的东西：

testSomething(){
    List myValues = {'value1', 'value2', 'value3', ...}

    for(value: myValues){
        assertTrue(Something(Value))
    }
}

我有以下代码

import pandas as pd
from sklearn.preprocessing import StandardScaler
import numpy as np

df.columns=['sepal_len', 'sepal_wid', 'petal_len', 'petal_wid', 'class']
df.dropna(how="all", inplace=True) # drops the empty line at file-end 

X = df.ix[:,0:4].values
y = df.ix[:,4].values

接下来我缩放数据并得到平均值:

X_std = StandardScaler().fit_transform(X)
mean_vec = np.mean(X_std, axis=0)

我没有得到的是我的输出是这样的:

[ -4.73695157e-16  -6.63173220e-16   3.31586610e-16  -2.84217094e-16]

我确实理解这些值如何可以是除了0以外的任何值.如果我缩放它,它应该是0对吗？

任何人都可以向我解释这里发生了什么？

我在R中使用text2vec并且难以编写一个与text2vec包中的itoken函数一起使用的词干函数.text2vec文档建议了这个词干功能:

stem_tokenizer1 =function(x) {
  word_tokenizer(x) %>% lapply(SnowballC::wordStem(language='en'))
 }

但是,此功能不起作用.这是我运行的代码(借用之前的stackoverflow答案):

library(text2vec)
library(data.table)
library(SnowballC)
data("movie_review")
train_rows = 1:1000
prepr = tolower
stem_tokenizer1 =function(x) {
  word_tokenizer(x) %>% lapply(SnowballC::wordStem(language='en'))
 }
tok = stem_tokenizer1
it <- itoken(movie_review$review[train_rows], prepr, tok, ids = movie_review$id[train_rows])

这是它产生的错误:

错误{:argument"words"缺失,没有默认值

我认为问题是wordStem需要一个字符向量,但是word_tokenizer会产生一个字符向量列表.

mr<-movie_review$review[1]
stem_mr1<-stem_tokenizer1(mr)

SnowballC中的错误:: wordStem(language ="en"):缺少参数"words",没有默认值

为了解决这个问题,我编写了这个词干函数:

stem_tokenizer2 = function(x)  {
  list(unlist(word_tokenizer(x)) %>% SnowballC::wordStem(language='en') )
}

但是,此函数不适用于create_vocabulary函数.

data("movie_review")
train_rows = 1:1000
prepr = tolower
stem_tokenizer2 = function(x)  {
  list(unlist(word_tokenizer(x)) %>% SnowballC::wordStem(language='en') )
}
tok = stem_tokenizer2
it <- itoken(movie_review$review[train_rows], prepr, tok, …

使用 Scalala，可以使用标量操作数对 Vector 执行逐元素操作。假设您有一个介于 0 和 1 之间的随机数向量，并且您想从 1 中减去每个值：

import breeze.linalg._

val x = DenseVector.rand(5)
val y = 1d :- x  //DOESN'T COMPILE: "value :- is not a member of Double"

与 Scalala 不同，Breeze 无法使用这种方法进行编译。您可以通过生成一个 Vector 来解决这个问题，但似乎应该有更好的方法。

val y = DenseVector.ones[Double](x.size) :- x

另一种解决方法是使用更易读的 mapValues 方法：

val y = x mapValues { 1 - _ }

使用 Breeze 完成此操作的正确方法是什么？

所有,

我写了一个简单的SAX XML解析器.它工作,我用本地XML文件测试它.这是我的代码:

SAXParserFactory spf = SAXParserFactory.newInstance();
XMLParser xmlparser = null;
try
{
    SAXParser parser = spf.newSAXParser();
    XMLReader reader = parser.getXMLReader();
    xmlparser = new XMLParser();
    reader.setContentHandler( xmlparser );
    reader.parse( new InputSource( getResources().openRawResource( R.raw.categories ) ) );

现在我需要从网站上读取这个XML文件.我正在尝试的代码是:

public InputStream getXMLFile()
{
    URL url = new URL("http://example.com/test.php?param=0");
    InputStream stream = url.openStream();
    Document doc = docBuilder.parse(stream);
}
reader.parse( new Communicator().getXMLFile() );

我收到了编译错误

"方法解析(InputSource)不适用于参数(InputStream)".

我需要帮助搞清楚我需要什么.

谢谢.

我们有一个Java应用程序，其中在Weblogic上部署了不同的模块。我们在不同的模块上使用了流口水，并试图通过将其定义为枚举类来使初始化KieContainer的类成为单例。

但是，似乎在生产环境中（通过耳文件部署应用程序）时，有不同的ClassLoader初始化该类，并且会收到以下异常：

null    java.lang.IllegalStateException: There's already another KieContainer created from a different ClassLoader; 
at org.drools.compiler.kie.builder.impl.KieServicesImpl.getKieClasspathContainer(KieServicesImpl.java:88); 
at org.drools.compiler.kie.builder.impl.KieServicesImpl.getKieClasspathContainer(KieServicesImpl.java:73);

您对如何解决这个问题有任何建议吗？

我有维度为 的矩阵 A500x2000x30和维度为 的矩阵 B 30x5。

您可以认为有 500 个实例，因为2000x30矩阵 A 的维度为500x2000x30。

我想将1x2000x30A 中的每个与矩阵 B 相乘以获得大小为 的新矩阵1x2000x5。

即A X B应该给我一个维度矩阵500x2000x5

显然，通过矩阵 A 循环 500 次是一个解决方案，但是有没有有效的方法来实现这一点？

编辑：A和B都是numpy数组